Dagelijks honderden, soms wel duizenden orders handmatig overtikken vanuit je e-mail naar je TMS. Een enorme, foutgevoelige klus waar eigenlijk niemand op zit te wachten. “Dat moet toch beter kunnen”, dachten Finn Loots en Yorick de Jong van Chainfill AI. Daarom ontwikkelden zij een model dat met AI automatisch je orders inleest vanuit je e-mail en invoert naar je TMS.

Een tijdje geleden kwamen we met hen in contact en ze bleken de perfecte kandidaat voor een nieuwe Filogic & Friends. Inmiddels zijn de laatste voorbereidende zaken afgerond en staan de klanten MSS Transport, Anna Logistics en Opstal Logistics in de startblokken voor deze pilot. Hoe het werkt en welke voordelen eraan zitten? Dat lees je in dit interview met de mannen achter Chainfill AI.

Chainfill AI richt zich op het verbeteren van de processen binnen de logistieke sector. Waar Finn zich vooral richt op marktonderzoek, sales en testen, is Yorick het technische brein achter Chainfill AI.

Finn vertelt hoe ze uitkwamen bij de logistieke sector: “Door mijn broer, die in de logistiek werkt, wist ik dat er veel uitdagingen waren op het gebied van software in deze branche. Hij vertelde hoe vervelend het is en hoeveel tijd het kost om alle orders handmatig in te voeren.

Ook heeft hij behoefte aan écht goede forecasting software. Die laatste leek ons toen nog lastig omdat er vaak geen trends in historische data zitten, maar dat met die orders: dat leek ons een makkie! Achteraf bleek het een stuk lastiger te zijn dan we dachten, maar het is ons gelukt hier software voor te maken.”

Na marktonderzoek kwamen Finn en Yorick erachter dat veel transportbedrijven hun orders nog handmatig overtikken naar hun TMS. Zo’n order bestaat vaak uit meerdere pagina’s en er moeten gemiddeld tien tot vijftien stukjes aan informatie overgetypt worden.

Bij transport van en naar het Verenigd Koninkrijk gaat het nog een flinke stap verder. Voor een enkele order moeten, dankzij de Brexit, soms wel veertig documenten doorgespit en ingevoerd worden. Zonde van je tijd en ook nog eens enorm foutgevoelig.

Sommige transporteurs hebben dit probleem al aangepakt door gebruik te maken van templates. Yorick vertelt waarom Chainfill AI beter werkt: “Als je met templates werkt, moet de invoer altijd hetzelfde zijn, dit template herkent het niet als bepaalde informatie ergens anders op het document staat. Omdat elke orderaanvraag anders is, zullen er dus te veel uitzonderingen zijn en moet je er alsnog handmatig doorheen om de rest op te vangen.”

Met de implementatie van Chainfill AI ben je dus mooi af van handmatig en is foutgevoelig werk verleden tijd. Dit AI-model herkent orders uit je e-mail en stuurt alle benodigde informatie automatisch door naar je TMS. Je stelt zelf in welk percentage van zekerheid je wilt over de uitgelezen tekst en wanneer je dus zelf nog zaken wilt checken.

Yorick legt het verschil uit met het gebruik van templates: “Ons model herkent alle informatie op alle wisselende orderaanvragen, waar het ook staat in het document en zelfs als het in een afbeelding verwerkt is. Daarnaast kan ons model getraind worden zodat het ook hele klantspecifieke uitzonderingen herkent.”

Finn vertelt voor wie Chainfill AI een geschikte oplossing is: “De grote enterprises werken meestal met een eigen portaal, wat heel goed werkt als de data vanuit een ander portaal gestuurd wordt. Maar ook zij krijgen vaak nog duizenden pdf’s per e-mail binnen. Dit model is dus geschikt voor alle transporteurs die nu veel handmatig of met templates doen. Er zijn in Nederland zo’n 18.000 geregistreerde transporteurs, moet je je eens voorstellen hoeveel tijd en geld die met z’n allen kunnen besparen hiermee.”

In juli 2024 zetten we de eerste stappen voor de Chainfill AI pilot bij Filogic. Finn vertelt: “Er zijn drie klanten uitgekozen om mee te doen, die gelukkig direct heel enthousiast waren. We rollen de pilot langzaam uit, zodat wij kunnen blijven monitoren of alles goed gaat en we eventuele bugs direct kunnen oplossen.”

De eerste klanten kunnen op hele korte termijn al gebruik maken van Chainfill AI. Op dit moment staat het model nog los, maar zodra alles helemaal goed en naar wens werkt implementeren we Chainfill AI in ons OpenTMS.

De match met Filogic was volgens de mannen van Chainfill AI best logisch. Finn vertelt: “Tijdens ons marktonderzoek naar bedrijven in de logistieke sector kwamen we bij Filogic en Jitske terecht. We zagen direct dat zij met Filogic vooroploopt als het gaat om innovatieve oplossingen voor de branche. De klik was er direct en gelukkig was Jitske ook enthousiast.”

Nu er een goedwerkend AI-model is om het documentprobleem in onder andere de logistieke branche op te lossen, denken Finn en Yorick al aan de volgende stap. Yorick vertelt: “We zijn al aan het nadenken over een AI-model voor forecasting. Hierbij laat je AI, op basis van gegevens uit het verleden, voorspellingen maken voor de toekomst. Deze kan, net als Chainfill AI, heel nuttig zijn in allerlei branches.

Verder denk ik dat er nog zoveel te verbeteren is in de logistieke branche. Denk bijvoorbeeld aan tools voor het bepalen van de beste route of het verwerken van pakketten door robots. Daarnaast is een van de grootste krachten van AI het verzamelen, verwerken en structureren van ongestructureerde data. Ook dat is heel interessant voor de logistieke branche.”